深度学习：乳腺x检测
乳腺影像学检测方法
在乳腺癌的诊疗过程中，主要有超声，钼靶，核磁共振（MRI），CT检查（月经后1-2周），病理和基因等医学手段用于辅助诊断和治疗。其中超声和钼靶主要用于乳腺癌的初筛，MRI用于治疗效果的评估，病理用于癌症的确诊以及治疗方案的评估。近年来，基因分析在肿瘤诊疗方面也得到了快速发展，主要用于遗传性乳腺癌的筛查以及个性化的精准医疗。目前我们团队完成了乳腺钼靶AI诊断产品的研发和落地，并且在核磁共振和病理方面，相关的研发的工作也已经展开。
1、影像：轴位片（头足位 CC） 斜位片（MLO）*左右=4张影像
同侧 例如：rcc 或者R-mlo用于定位
左右两侧 例如：R-CC L-CC 用于比较是否不对称，两侧同拍照模式进行对比
2、BI-RADS评价分类
- 0类为不定类别，需进一步的影像学检查
- 1类为未见异常 Ⅰ
- 2类为良性 Ⅱ
- 3类为可能良性 Ⅲ
- 4类为可疑恶性 Ⅳ
- 5类为高度提示恶性 Ⅴ
- 6类为活检证实恶性 Ⅵ
3、数据集：
3.1 DDSM (10263张，4025正例，标签分类，分割)
Digital Database for Screening Mammography (DDSM) 是乳腺数据集中比较著名和数据量比较大的一个数据集，分为四个子文件夹：分别是benign_without_callbacks, benigns, cancers, normals 代表乳腺检查的不同类别，每个子文件夹中各有很多个case,每个case代表一个样例
其中LJPEG文件是乳腺图片的原始格式，目前正在转为png格式，每个样本有四张乳腺图片，如果是有病的样本，至少会有一张图片有分割标签；.mat文件是从原始的.overlay文件中获得的分割标签。
3.2 CBIS-DDSM
图像已解压缩并转换为DICOM格式。更新了ROI分段和边界框，还包括了训练数据的病理诊断
注释了钙化和肿块的ROI。
数据集包含753个钙化病例和891个肿块病例
3.3 Inbreast (410张，100正例，标签分类，少量带框标签)
3.4MIAS (322张，分类标签)
4、乳腺检测任务
4.1分类+检测
弱监督学习（ 定位通常通 CAM or MIL ）
7分类 等级分类==》2分类 0-2 为良性 4-6 为恶性 3不参与考虑
2分类 钙化和肿块
4.2 分类+分割